Comment Sber a appris à ses enceintes à générer des scénarios de maison connectée à la voix

Sber a appris à GigaChat, dans ses enceintes connectées, à créer des scénarios d'automatisation directement à partir de commandes vocales. L'utilisateur peut désormais dire : « Crée un scénario pour que la lumière et le chauffage s'éteignent quand je quitte la maison », et l'enceinte génère l'automatisation seule, sans toucher l'écran une seule fois.

La voix plutôt que la navigation

Jusqu'à récemment, créer un scénario imposait d'ouvrir l'application, de trouver les appareils dans une liste, de les relier par des conditions et d'enregistrer les règles à la main. Le processus était fastidieux : taper trois fois sur l'écran et chercher des filtres rebutait les utilisateurs ordinaires. Désormais, une seule phrase suffit.

GigaChat analyse l'intention de l'utilisateur, détermine quels appareils sont concernés et génère le scénario en quelques secondes. Cela ressemble, pour l'essentiel, à des commandes comme « OK Google, crée une routine », mais Sber a suivi sa propre voie et n'a pas choisi la méthode classique du fine-tuning sur des milliers d'exemples. Les ingénieurs ont préféré l'apprentissage en contexte : les informations sur les appareils de l'utilisateur sont transmises directement dans le contexte de GigaChat avant la génération.

Le modèle voit la topologie réelle du domicile et travaille avec elle sans réentraînement préalable. Cela économise l'annotation de données et accélère l'adaptation aux nouveaux appareils : si l'utilisateur achète une nouvelle lampe, il n'a pas à attendre une mise à jour du modèle.

La personnalisation, principal casse-tête

Le principal défi du contrôle de la maison connectée est la personnalisation absolue. Un utilisateur possède 30 appareils, un autre trois. L'un appelle un luminaire « lampe », un autre « lumière de la chambre », un troisième « soleil au-dessus du lit ». Capteurs, interrupteurs, scripts personnalisés : tout peut être nommé de façon totalement différente.

Les LLM classiques patinent souvent face à cette variabilité : ils parcourent les appareils à l'aveugle, confondent les pièces et comprennent mal l'intention. Mais ici l'erreur est inadmissible ; ce n'est pas une plaisanterie de recommandation musicale. Si un scénario se déclenche mal, l'utilisateur peut avoir froid la nuit parce que le chauffage ne s'allume pas. Ou la climatisation peut tourner en journée dans un appartement vide, en consommant de l'électricité.

Les ingénieurs de Sber ont décidé de ne pas réentraîner le modèle pour chaque utilisateur (ce qui est irréalisable), mais de lui fournir un « livret de référence » complet dans le contexte de la requête. Avant d'appeler GigaChat, le backend rassemble la description de tous les appareils de cet utilisateur : leurs fonctions, la pièce où ils se trouvent et les noms qui les désignent. GigaChat voit ces informations et peut les utiliser en toute sécurité.

Comment ça marche

Le pipeline fonctionne à peu près ainsi :

• L'utilisateur dit à l'enceinte : « Crée un scénario bonne nuit »
• L'enceinte reconnaît la parole et envoie le texte au backend
• Le backend demande tout le catalogue d'appareils de l'utilisateur avec la description de leurs fonctions
• Le catalogue et la requête sont transmis à GigaChat, qui génère une description YAML du scénario
• Le moteur de scénarios valide le résultat et vérifie que tous les appareils existent réellement
• Si la vérification passe, le scénario est enregistré et devient actif

La validation au niveau du moteur de scénarios sert de filet de sécurité. Si GigaChat se trompe légèrement (par exemple, en citant un capteur qui n'existe pas ou en faussant la syntaxe d'une commande), le moteur le repère et corrige, ou demande à l'utilisateur de préciser. Sber a nommé ce composant le moteur de scénarios ; il agit comme un contrôle d'erreurs pour chaque règle générée.

Ce que cela change

La maison connectée devient plus accessible au grand public. Si l'enceinte crée correctement les scénarios à la voix, un débutant n'a pas besoin d'apprendre l'interface par cœur ni de lire 50 pages de notice. Il suffit de dire ce que l'on veut, et le système l'exécute.

C'est une étape importante pour sortir les maisons connectées de la niche des passionnés et les amener vers un marché de masse, où les gens placent la simplicité au-dessus de tout.